《表2 表检仪缺陷图片信息的计算项》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《热轧板带表面质量智能化自动判定系统的开发应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

按照《缺陷图谱》中的规则进行表检仪缺陷样本数据库的维护，即将表检仪可识别的标准缺陷图片维护到缺陷样本库中。表检系统检测到缺陷图片后，首先分析计算该缺陷的特征变量的特征值，如标准视图、同步视图中缺陷的几何位置、周期性、灰度值、亮度值等数据，然后再与缺陷样本库中的缺陷标准样本进行比对，之后将该缺陷归类到特征值最为接近的缺陷名称中。如果要提高缺陷的识别准备率，就必须要让各个缺陷的样本库特征值典型和独特，并且各缺陷之间要有所区分，而且分离度越高，识别准确率也相应提高。所以在维护各缺陷的样本库时，需要包含大量的该缺陷的典型图片，同时剔除不典型图片（防止误判），虽然可能会造成部分缺陷进入“未分类”中，但可保证该缺陷的抓取准确率，这是自动判定准确计算的前提。而未分类缺陷可以通过自动判定的其他智能化功能程序进行二次筛选，融入熵BING和PCA-ReliefF算法对缺陷进行检测和特征选择识别[5]；针对热金属板带表面存在氧化铁皮、水等“伪缺陷”干扰容易造成误检的问题，基于幅值谱不变矩、结构谱纹理分析、小波不变矩、多尺度几何分析等特征提取方法，以及深度与灰度信息融合方法、组合分类方法等缺陷识别方法，实现复杂背景下缺陷的准确识别，防止缺陷的漏检[6]，部分需根据缺陷图片信息的计算项见表2。缺陷图片信息计算项的提取主要通过图像裁剪获取到区域图像，通过梯度纹理及灰度等特征变换将缺陷的前景区域获取，通过轮廓检测的方式得到特征轮廓，通过对轮廓区域面积及灰度值的统计，最后得到相应的计算项。